Алиса AI будет конкурировать с Google AI Studio

Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…

➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio

🧠 Ещё больше инсайтов → в канале AFF.top

В Zennoposter добавили ИИ-помощник

Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…

➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik

🧠 Ещё больше инсайтов → в канале AFF.top

vLLM и TGI часто сравнивают по названию, но выбирать надо по профилю нагрузки

Если у вас много коротких запросов и важна максимальная утилизация GPU, vLLM обычно выигрывает за счёт paged attention и агрессивного batching. Он лучше раскрывается на смешанном потоке: когда рядом живут 128 токенов и 4k токенов, а очередь не должна разваливаться.

TGI сильнее там, где важны предсказуемость, стабильный serving-пайплайн и аккуратная интеграция с production-обвязкой. Его чаще берут как «сервер без сюрпризов», особенно если вокруг уже есть мониторинг, ограничения по SLA и привычный Docker/Kubernetes контур.

На практике смотрите не на название, а на 4 метрики:
— throughput в tokens/sec на одной GPU;
— p95 latency при реальной длине промптов;
— максимальный контекст без заметной деградации;
— поведение при concurrency 8/16/32.

Типовая ошибка — мерить только один запрос в вакууме. В инференсе почти всегда решает очередь: как сервер ведёт себя под параллельной нагрузкой, как растёт latency, не падает ли качество ответа из-за слишком агрессивного batching.

Если нужен максимум токенов на ватт и плотная утилизация железа — начинайте с vLLM. Если важнее предсказуемый продовый сервис и простая эксплуатация — смотрите в сторону TGI. Идеальный выбор делается не по вкусу, а по профилю запросов и цене ошибки.

Новую Google reCapcha прошли статичной картинкой

Google выпустил обновленную reCAPTCHA, требующую движений рук для прохождения, но система оказалась уязвима к обходу. Достаточно транслировать статичное изображение с нужным жестом через виртуальную камеру с помощью простого Python-скрипта, чтобы нейросеть пропустила пользователя. Это создает серьёзный риск для сайтов: защита от ботов, позиционировавшаяся как прорыв, на деле не работает. Баг остается актуальным и позволяет спамерам легко автомат…

➡️ Читайте на сайте: https://aff.top/blog/novuiu-google-recapcha-proshli-statichnoi-kartinkoi

🧠 Ещё больше инсайтов → в канале AFF.top

DeepSeek представит последнюю версию v4

DeepSeek выпустит v4 в середине июля с новой моделью ценообразования API: токены подорожают в 2 раза в часы пиковой нагрузки (09:00–12:00 и 14:00–18:00 по пекинскому времени). Компания планирует уведомлять пользователей по почте за 24 часа до изменения тарифов. Проблема с ошибками «server busy» останется, но обойдётся дороже — это может существенно повлиять на экономику проектов, которые активно используют API DeepSeek для автоматизации и масшта…

➡️ Читайте на сайте: https://aff.top/blog/deepseek-predstavit-posledniuiu-versiiu-v4

🧠 Ещё больше инсайтов → в канале AFF.top

Anthropic выпустили Sonnet 5

30 июня вышла Claude Sonnet 5 — новая версия позиционируется как самая агентная в линейке и приближается к флагманской Opus 4.8. Модель лучше справляется со сложными многоуровневыми задачами, устойчива к вредоносным запросам и не генерирует эксплойты. Sonnet 5 доступна на Free-тарифе, но тестирование показало скромные улучшения: хотя работает лучше Sonnet 4.6, её обгоняют конкуренты, включая китайские модели, которые дешевле через API при лучшей…

➡️ Читайте на сайте: https://aff.top/blog/anthropic-vypustili-sonnet-5

🧠 Ещё больше инсайтов → в канале AFF.top

Llama для продакшена: как выбрать размер, чтобы не убить latency и бюджет

Llama — не одна модель, а линейка компромиссов. Для продакшена смотреть надо не на «какая умнее», а на четыре вещи: качество на вашей задаче, скорость инференса, память под контекст и лицензия.

— 8B обычно берут для классификации, коротких ответов, извлечения данных и простых агентов. На одной GPU она даёт хороший throughput, а цена ошибки ниже, чем у более тяжёлых вариантов.
— 70B имеет смысл там, где важны сложные рассуждения, длинные цепочки инструкций и меньшее число перегенераций. Но это уже совсем другой профиль по VRAM и latency.
— Если у вас RAG, то часто выигрывает не «самая большая», а модель с нормальным следованием инструкциям и стабильным форматированием JSON.
— Контекст надо тестировать отдельно: длинное окно есть у многих, но реальная полезность падает раньше, чем маркетинговая цифра.

Практика выбора простая:
1) сначала прогоните 200–500 своих промптов;
2) замерьте долю валидного JSON, число ретраев и p95 latency;
3) только потом решайте, нужен ли рост с 8B до 13B/70B.

Ещё один частый фейл — брать модель под inference, не считая стоимость памяти под KV-cache. На длинных сессиях именно он съедает VRAM, а не только веса.

Если задача не требует максимального reasoning, начинайте с меньшей Llama и докручивайте пайплайн. В проде почти всегда дешевле оптимизировать архитектуру, чем сразу покупать лишние параметры.

Clickstar прекращает работу

Clickstar закрывается. Легендарная пуш-сеть прекращает закуп трафика с 1 августа, полная остановка — 20 августа.

Сетка работала почти 8 лет и была одним из лучших источников качественного трафика на Россию и СНГ. Сейчас пуш-трафик стал слишком ботовым из-за гугловских банов на скрипты сбора.

Что это означает для арбитражников — разбираемся в ста…

➡️ Читайте на сайте: https://aff.top/blog/clickstar-prekraschaet-rabotu

🧠 Ещё больше инсайтов → в канале AFF.top

Llama в проде: 6 ошибок, из-за которых open-source съедает бюджет и latency

Llama часто берут как «дешёвую замену API», но без дисциплины по инференсу она быстро становится дорогой. Смотри не на размер модели, а на связку: качество, throughput, VRAM и лицензия. Для одной и той же модели разница между fp16, int8 и int4 может быть в 2–4 раза по памяти и заметно по скорости.

— Не запускай модель «как есть»: сначала посчитай контекст, batch size и потолок по VRAM. Если длинный контекст нужен редко, лучше ограничить его на уровне сервиса.
— Для chat-задач часто выгоднее 8B в int4 на одной GPU, чем 70B, который постоянно уходит в своп и даёт p95 latency в космос.
— Смотри на формат вывода: vLLM хорошо держит throughput на батчах, llama.cpp удобен для CPU/GGUF, TGI чаще берут под стабильный серверный пайплайн.
— Не путай «модель умеет 128k» с «128k комфортно в проде»: после определённого объёма attention начинает бить по скорости и качеству.

Лицензия тоже часть стоимости. У Llama нельзя смотреть только на веса: проверь коммерческое использование, ограничения на перераспространение и требования к атрибуции. Ошибка здесь дороже, чем лишняя GPU-минута.

Практика простая: сначала выбери режим инференса и бюджет токена, потом уже размер Llama. Иначе ты покупаешь не модель, а постоянную утечку денег.

Facebook запретил рекламу онлайн-казино Mr Vegas

Британский ASA запретил рекламу казино Mr Vegas из-за «слишком милых» мультяшных животных в креативах — регулятор счёл, что такой стиль привлекает детей, в том числе через Facebook. Рекламодатель запустил кампанию в феврале, бан вышел в июле. Логика регулятора вызывает вопросы: дети неплатёжеспособны, а таргетировать их на гемблинг бессмысленно.

➡️ Читайте на сайте: https://aff.top/blog/facebook-zapretil-reklamu-onlain-kazino-mr-vegas

🧠 Ещё больше инсайтов → в канале AFF.top

В Whatsapp скамят пользователей с помощью поддельных никнеймов

WhatsApp запустил никнеймы — и почти сразу начался скам. Мошенники регистрируют имена, похожие на бренды, звёзд и политиков, с минимальными опечатками.

Индия, где 500 млн пользователей WhatsApp, потребовала от Meta объяснений за 3 дня. Meta говорит, что точные совпадения заблокированы — но одна буква в другом месте защиту не триггерит.

Похоже, п…

➡️ Читайте на сайте: https://aff.top/blog/v-whatsapp-skamiat-polzovatelei-s-pomoschiu-poddelnykh-nikneimov

🧠 Ещё больше инсайтов → в канале AFF.top

Вышел ZCode - аналог Claude code

Вышел ZCode — десктопный аналог Claude Code от разработчиков GLM-5.2. Работает с API от Anthropic, поддерживает SSH-деплой на сервер, в том числе Linux.

Вместо пошаговых скриптов — система целеполагания Goal: закидываешь сложный промт, агент сам разбивает задачу и выполняет. Плюс управление через Telegram-бота.

Но главная фича — мультиагентность…

➡️ Читайте на сайте: https://aff.top/blog/vyshel-zcode-analog-claude-code

🧠 Ещё больше инсайтов → в канале AFF.top

Mistral и Gemma в проде: где их реально брать, а где лучше не рисковать

У обеих семейств сильная сторона — предсказуемый small/medium inference без зависимости от закрытого API. Но выбирать надо не по «какая умнее», а по трём осям: формат задачи, длина контекста и бюджет на железо. Для коротких классификаций, извлечения полей, черновиков ответов и RAG-ответов на 1–3k токенов такие модели часто дают лучший cost/latency, чем тяжёлые 70B.

Если строите свой API, сначала проверьте три вещи:
— удерживает ли модель формат ответа без лишнего текста;
— не разваливается ли на длинных промптах с инструкциями и примерами;
— как меняется качество при переходе fp16 → int8 → int4.
На практике именно квантизация ломает не «умность», а дисциплину формата и точность на редких сущностях.

Для инференса обычно смотрят так: vLLM — если нужен высокий throughput и батчинг; TGI — если важны стабильный серверный режим и совместимость; llama.cpp — если нужен дешёвый локальный запуск и GGUF. Gemma чаще удобнее в компактных сценариях и на edge, Mistral — когда нужен более ровный баланс между скоростью и качеством на серверной GPU.

Главная ошибка — тащить такую модель в задачи, где нужен длинный многоходовый reasoning или сложная генерация с жёсткой логикой. Там выигрыш по цене быстро съедается ретраями и ручной проверкой. Правильный тест — один и тот же набор промптов в fp16 и int4, плюс замер: tokens/sec, p95 latency, доля валидных ответов. Тогда выбор становится инженерным, а не религиозным.

Cloudeflare грозит Google блокировкой трафика

Cloudflare объявил: с 15 сентября 2026 года ИИ-краулеры будут заблокированы по умолчанию на всех сайтах с рекламой — включая Googlebot, Applebot и Bingbot.

Главная претензия — к Google: один и тот же бот индексирует страницы и собирает данные для обучения нейросетей, что даёт поисковику нечестное преимущество.

Но есть нюанс, который меняет всю к…

➡️ Читайте на сайте: https://aff.top/blog/cloudeflare-grozit-google-blokirovkoi-trafika

🧠 Ещё больше инсайтов → в канале AFF.top

Гайд: как заработать первые деньги на Pornhub

Pornhub — самый посещаемый адалт-сайт в мире, и на нём действительно можно зарабатывать. Но схема устроена иначе, чем кажется.

Автор залил ролики, набрал 16 000 просмотров — и получил 47 центов встроенной монетизации. Реальные деньги были в другом.

Есть нюансы с верификацией, голосом в роликах и законодательством РФ, которые ломают большинство с…

➡️ Читайте на сайте: https://aff.top/blog/gaid-kak-zarabotat-pervye-dengi-na-pornhub

🧠 Ещё больше инсайтов → в канале AFF.top

Сайт тормозит не из-за хостинга: 7 проверок, которые часто пропускают

Если страница грузится медленно, первое желание — сменить тариф или ругаться на сервер. Но в RU-проектах чаще виноваты шаблон, БД, лишние запросы и фронт, который тащит на себе всё подряд.

— Проверь количество запросов на страницу: отдельная беда — когда компонент внутри цикла дергает БД по 10–20 раз.
— Смотри размер HTML: раздутая верстка, дублирующиеся блоки и скрытые SEO-куски легко добавляют лишние сотни килобайт.
— Убери тяжелые скрипты из критического пути: виджеты, карты, чаты и трекеры часто блокируют первый рендер.
— Не забудь про картинки: без lazy load, с неправильным размером и без сжатия они убивают мобильную загрузку.
— Проверь кеш: если кеш есть только “на бумаге”, сайт будет пересчитывать одно и то же на каждом хите.
— Посмотри на шрифты и CSS: лишние начертания, огромные сборки и импорт всего подряд заметно тормозят старт.
— Отдельно проверь админские и публичные шаблоны: иногда узкое место сидит в одном кривом include.

Если нужен быстрый порядок действий: сначала измерь, потом убирай лишние запросы, потом режь фронт. И только после этого трогай сервер.

Qwen для продакшена: 4 проверки, без которых модель быстро превращается в «дешёвый шум»

Qwen часто берут за сильный multilingual и хороший instruction-following, но в проде важнее не «умность», а стабильность на вашем распределении запросов. Перед внедрением прогоняйте модель не по одному красивому промпту, а по реальным типам задач: классификация, извлечение полей, короткий саппорт, длинный диалог, tool-calling.

1) Контекст. У многих команд длинный prompt раздувается до 32k+, и тут качество падает раньше, чем ожидают: растёт latency, а ответы начинают терять опорные детали. Проверяйте не только максимальный контекст, но и точность на 8k/16k/32k на ваших данных.

2) Квантизация. Для Qwen разница между fp16 и int4 может быть приемлемой для простых задач, но на сложных цепочках рассуждения и extraction часто ломается структура ответа. Сначала меряйте hit rate, потом throughput; экономия GPU без метрик — ложная экономия.

3) Формат вывода. Если модель уходит в лишний текст, лечится это не «магией промпта», а жёстким schema-first подходом: JSON schema, стоп-слова, ограничение длины, повторная валидация.

4) Инференс-стек. Для батчей и параллельных запросов обычно смотрят в сторону vLLM или TGI; для локальных экспериментов — llama.cpp. Выбор зависит не от вкуса, а от того, что для вас критичнее: throughput, latency или простота деплоя.

Если Qwen у вас не проходит хотя бы два из четырёх тестов выше, не тащите её в прод «потому что модель большая» — сначала добейте пайплайн, потом масштабируйте железо.

DeepSeek в проде ломается не на «качестве», а на неправильном выборе режима инференса

Если берёшь DeepSeek для автоматизации, сразу разделяй задачи: генерация, агентные цепочки и длинный контекст. Для коротких ответов важнее throughput и стабильный latency, для reasoning — цена ошибки, для long-context — не паспортные 128k, а реальная деградация после плотной загрузки промпта.

На практике сначала проверяют три вещи:
— держит ли модель формат ответа без лишнего текста;
— не уходит ли в многословие на простых запросах;
— как падает качество, когда в контекст добавляют шум, логи и несколько инструкций подряд.

Для self-hosted DeepSeek критичны квантизация и движок. На тех же весах разница между vLLM, TGI и llama.cpp часто упирается не в «лучше/хуже», а в batch size, prefill и memory fragmentation. Если у тебя много параллельных коротких запросов — смотри в сторону высоких токенов в секунду. Если важен один длинный диалог — важнее стабильный prompt processing и отсутствие OOM.

Ещё одна типовая ошибка — тащить одну и ту же модель и в роутинг, и в финальный ответ. Лучше дешёвый классификатор на входе, отдельная reasoning-модель на сложные кейсы и маленькая модель для черновиков. Так ты режешь стоимость токена и убираешь лишнюю нагрузку на GPU.

Правильная схема для DeepSeek — не «самая умная модель», а связка из трёх уровней: фильтр, рабочая лошадка и дорогой режим только для сложных запросов.

Сбер запустит свой криптокошелёк

Сбер готов запустить криптокошелёк — инфраструктура уже есть. Ждут только закона о регулировании крипты, который планируют принять к 1 сентября 2026 года.

Хранить и, судя по всему, обменивать крипту можно будет прямо в приложении — без сторонних обменников.

Но есть один нюанс, из-за которого обменники никуда не денутся. 🔍

➡️ Читайте на сайте: https://aff.top/blog/sber-zapustit-svoi-kriptokoshelek

🧠 Ещё больше инсайтов → в канале AFF.top

Индия потребовала от Telegram удалять пиратский контент

Индия потребовала от Telegram удалять пиратский контент — претензия в том, что платформа не ограничивает размер файлов, что позволяет свободно распространять фильмы.

Дуров ответил, что Telegram годами работает в Индии без какой-либо коммерческой выгоды для себя.

Почему давление началось именно сейчас — вопрос открытый. Возможный ответ — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/indiia-potrebovala-ot-telegram-udaliat-piratskii-kontent

🧠 Ещё больше инсайтов → в канале AFF.top

Google ads меняет стратегию по конверсиям

Google меняет логику автоматических стратегий ставок: с 17 августа 2026 года кампании будут строже придерживаться указанного целевого CPA, а не давать лиды по минимально возможной цене.

Если сейчас твоя кампания даёт лиды по $5, а цель стоит $10 — после обновления алгоритм «поднимет» фактическую стоимость лида к целевой, зато отдаст больше трафик…

➡️ Читайте на сайте: https://aff.top/blog/google-ads-meniaet-strategiiu-po-konversiiam

🧠 Ещё больше инсайтов → в канале AFF.top